Deal Risk Scoring
ディールリスクスコアリング
Deals lacking finance/security engagement are 2.3× more likely to slip (Gartner 2024).
💡TL;DR
ディールリスクスコアはスリップ確率で案件を順位付けし、マネージャーが救済優先度を決められる。関係者構成、活動ギャップ、価格摩擦、調達ブロッカーを監視。SMBは限られたコーチング時間をリスク案件に集中できる。
定義
マルチスレッド状況、ステージ経過日数、値引き要望、競合言及などのシグナルから失注・スリップ確率を算出するモデル。
🏢SMBチームにとっての意味
マネージャーが少ないSMBでは、今週救うべき3件を知ることが四半期を左右する。
📋実践例
18人のサイバーセキュリティコンサル企業（売上900万ドル）が82件の進行案件を日次スコアリング。導入前は予測案件の17%が四半期ごとにスリップし、マネージャーは週6時間パイプラインを目視確認。60日後、リスクスコアが「財務関与なし」「18日間沈黙」「値引き急増」とともに上位12件を提示。救済プレイと経営陣スポンサー追加を実施し、スリップが7%へ低下、勝率29%→37%、平均サイクルが9日短縮、四半期クローズ収益が42万ドル改善した。
🔧実装ステップ
- 1
セグメント別に特徴量を定義：ステージ滞留、マルチスレッド深さ、値引き/法務要求、沈黙期間、競合言及、感情。
- 2
勝敗データで週次再学習し、大口案件は過学習防止のため信頼度に上限を設ける。
- 3
日次スコアリングで担当者ごとの上位10件リスクを提案付きで配信し、期限を設定する。
- 4
介入内容と結果を記録し、救済と非救済の差分リフトを用いて再学習する。
- 5
予測と実際のスリップを比較するキャリブレーションレポートを月次公開し、信頼を醸成する。
❓よくある質問
スコアを信頼できるほどデータ量があるか？
数百件の案件でも週次再学習とベイズ平滑化で分散を抑えられる。ボリュームが増えるまでは上位10-15件を人のレビューと併用する。
活動を過剰に記録してスコアを操作されない？
生ログ数ではなく、接触したユニーク関与者数・返信有無・感情など質重視の特徴量を使う。多重入力だけではスコアは上がらない。
モデル精度はどの程度期待できる？
完璧よりリフトを狙う：救済率を5-10ポイント押し上げ、スリップを半減できれば成功。Brierスコアなどキャリブレーションを月次で追い、特徴量を改善する。
⚡Optifaiでの活用
Optifaiがリスクを日次スコアリングし、SLA付きの救済プレイをAction Feedに投入。
Revenue Analytics📚参考文献
- •
- •
関連用語
Pipeline Anomaly Detection
ステージ停滞、急な金額減少、関与者欠落など異常な案件パターンを検知し、四半期末前に介入できるようにするモデル。
Buying Committee Intelligence
案件に関与する全ステークホルダーの役割・影響力・エンゲージメントを特定し、ペルソナ別にアウトリーチやコンテンツを最適化すること。
Sales Velocity
案件がパイプラインを通過し収益を生成する速度を測定する指標。計算式：（機会数 × 勝率 × 平均取引サイズ）/ セールスサイクル長。
Pipeline Velocity
取引サイズ、Win率、サイクル長、担当者当たりパイプライン量を掛け合わせ、収益の動く速さを示す指標。